Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS — 6× RTX Pro 6000 Blackwell Max-Q AI Frontier server
Platforma na podnikovej úrovni, zostavená a otestovaná v EÚ.
Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS
Frontier server s 576 GB ECC VRAM
6x RTX Pro 6000 Max-Q Turbofan | EPYC Genoa | 12 000 TOPS INT8
Publikované externé referencie. Nemerané na hardvéri Kentino.
7U rackovo montovaná inferenčná platforma frontier triedy so šiestimi kartami NVIDIA RTX Pro 6000 Blackwell Max-Q turbofan zlúčenými do 576 GB ECC VRAM, jedným CPU AMD EPYC 9354 Genoa (32C/64T), 768 GB DDR5-4800 ECC (osadených všetkých 12 kanálov), 4 TB NVMe bootovacím diskom a piatimi 1200 W serverovými zdrojmi. Rovnaký kremík aj pamäťový fond ako pasívna zostava Server Edition — iný chladič. Turbofan Max-Q je samostatný pre každú kartu, je tichší a znesie menej prísne prúdenie vzduchu v šasi. Modelová obálka je zhodná s pasívnym súrodencom.
Hardvér
| Komponent | Detail |
|---|---|
| GPU | 6x NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB ECC (turbofan blower, 600 W TDP podľa špecifikácie, PCIe 5.0 x16, 2000 INT8 TOPS na kartu) |
| Fond VRAM | 576 GB celkovo naprieč 6 kartami (bez NVLink — P2P cez PCIe Gen5 pri ~55-60 GB/s v každom smere) |
| CPU | AMD EPYC 9354 Genoa (32C/64T, 280 W, 128x liniek PCIe 5.0, 12-kanálová DDR5) |
| Základná doska | ASRock Rack GENOAD8X-2T/BCM (SP5 Genoa, integrovaný Broadcom PEX PCIe Gen5 switch, 12x DDR5, 2x 10 GbE, IPMI) |
| Systémová RAM | 768 GB DDR5-4800 ECC RDIMM (12x 64 GB — osadené všetky kanály, ~460 GB/s súhrnne) |
| Boot / úložisko | 4 TB NVMe M.2 (PCIe 4.0 x4) — dimenzované na odkladanie frontier checkpointov |
| Zdroj | Sada 5x 1200 W serverových zdrojov (kompatibilné s HP, 6 kW celkovo) |
| Šasi | 7U rackové šasi pre 8 GPU, kapacita 10 PCIe slotov, aktívne Gen5 risery |
| Chladenie | Tower chladič SP5 Genoa + 8x 120 mm ventilátorov v šasi. Turbofan blowery na každom GPU sú samostatné — prúdenie vzduchu ako v dátovom centre odporúčame, ale nie je striktne nutné. Tichšie pre laboratórne prostredia. |
| Sieť | Integrované dvojité 10 GbE (Intel X550) |
Energetická obálka
- Odber GPU (podľa špecifikácie): 6 x 600 W = 3 600 W
- Celok systému pri plnej záťaži podľa špecifikácie: ~4 080 W
- Zdroje celkovo: 6 000 W (5x 1200 W) — 32% rezerva
- Karty Max-Q bežia typicky na 520-550 W trvalo — reálna rezerva nad 20%
Chladenie (odlišnosť Max-Q)
Každá karta ťahá vzduch spredu dozadu vlastným blowerom — samostatne pre každú kartu. Znesie nasadenie v zmiešanom racku či otvorenej skrini. Je tichšia než ekvivalentná zostava s axiálnymi ventilátormi. Firmware profil Max-Q uprednostňuje nižší trvalý príkon (typicky 520-550 W pri inferencii). Odporúčame: skriňu s perforovanými prednými dverami a voľnou cestou pre zadný výfuk.
Čo na ňom spustíte
Zhodné so súrodencom Server Edition — rovnaký kremík, rovnaký fond 576 GB. DeepSeek V3 Q4 (~404 GB) s dlhým kontextom, Kimi-K2 Q2, Mistral Large 3 Q2-Q3, GLM-5 Q2, Qwen3-Coder-480B Q4.
LLM — text / uvažovanie / kódovanie
Čínska frontier trieda
- DeepSeek V3 / R1 / V3.1 / V3.2 v Q4_K_M (~404 GB) pohodlne s dlhým kontextom (~5-8 tok/s jeden prúd, vLLM TP-6, publikovaná referencia); natívne fp8 (~670 GB) s prelievaním do RAM
- Kimi-K2 (Base / Instruct / Thinking) v Q2_K (~375 GB) pohodlne (~5-8 tok/s jeden prúd, publikovaná referencia)
- GLM-5 / GLM-5.1 (~745B/44B) v Q2_K (~260 GB); Q3 (~420 GB) s prelievaním do RAM
- Qwen3-Coder-480B-A35B v Q4_K_M (~270 GB) s dlhým kontextom
- Qwen3-235B-A22B v bf16 (~470 GB) alebo fp8 (~240 GB)
- ERNIE-4.5-424B-A47B v Q4 (~240 GB) so 128k ctx
- Intern-S1-Pro v Q2_K (~325 GB); Hunyuan-Large v Q4 (~220 GB)
- MiniMax-Text-01 / M1 v Q4 (~260 GB)
Západná frontier trieda
- Mistral Large 3 v Q2-Q3 (~243-317 GB) pohodlne (~20-30 tok/s jeden prúd, publikovaná referencia)
- Llama 4 Maverick v Q4_K_M (~232 GB) s dlhým ctx (~45-55 tok/s jeden prúd, publikovaná referencia)
- Llama-3.1-Nemotron Ultra 253B v fp8 (~253 GB)
- Grok-1 314B v Q4 (~182 GB); Snowflake Arctic v Q4 (~278 GB)
- DBRX Instruct 132B/36B v bf16 (~264 GB) alebo fp8
Vizuálno-jazykové modely
Qwen3-VL-235B-A22B; InternVL3.5-241B-A28B Q4; GLM-4.5V / 4.6V 106B bf16; Llama 3.2 90B Vision bf16; Pixtral Large 124B fp8; Molmo 72B bf16.
Generovanie obrázkov
HunyuanImage-3.0 Instruct; FLUX.1 [dev] / [schnell] / Kontext vo viacerých inštanciách (~15-20 s na obrázok 1024x1024, publikovaná referencia); SD 3.5 Large; SDXL; AuraFlow; OmniGen; HunyuanImage-2.1; Kolors 2.0.
Generovanie videa
Wan 2.2 T2V-A14B dvojexpertné MoE bf16; HunyuanVideo 13B bf16; Open-Sora 2.0 (11B); Mochi-1 (10B); NVIDIA Cosmos Predict 2 až do 14B; CogVideoX-5B; LTX-Video; Pyramid Flow.
Zvuk / reč / TTS
Celý stack rezidentne: Whisper v3 large, Parakeet-TDT 1.1B, Canary 1B, Moshi 7B realtime, Qwen3-Omni, Step-Audio R1, CosyVoice 3.0, Kokoro, Stable Audio Open.
Viacmodelová / viacnájomná prevádzka
- DeepSeek V3 Q4 + FLUX + HunyuanVideo + Whisper/Moshi realtime, všetko rezidentne
- Súbežne 70B tenzorovo paralelne + 235B-MoE na oddelených PCIe doménach
- 3 frontier modely rezidentne na A/B vyhodnocovanie
Cieľové workloady
- Výskumné laboratórium pre frontier modely s otvorenými váhami a zmiešanou či neideálnou infraštruktúrou prúdenia vzduchu
- Kolokácia / privátne dátové centrum, kde je turbofan na každej karte prevádzkovo jednoduchší než plne pasívne prúdenie vzduchu
- Nasadenie suverénnej AI so stackom modelov pod Apache 2.0 / MIT
- Podniková viacmodelová RAG + agentická platforma
- Laboratórne prostredia s otvorenými rackmi
Publikované výkonové referencie
Externé referencie | Rovnaký kremík ako Server Edition | Nemerané na hardvéri Kentino
| Benchmark | Výsledok |
|---|---|
| RTX Pro 6000 INT8 TOPS na kartu | 2 000 TOPS |
| vLLM — DeepSeek V3 Q4 na 6x RTX Pro 6000 (jeden prúd) | ~25-40 tok/s |
| vLLM — DeepSeek V3 Q4 na 6x RTX Pro 6000 (batch-32) | 200-400 tok/s súhrnne |
| FLUX.1 [dev] fp8 na jednej RTX Pro 6000 | ~15-20 s na obrázok 1024x1024 |
Presné čísla potvrdzujeme vo fáze PoC. Kentino zverejní vlastné namerané hodnoty po prvej zákazníckej zostave.
Nie je ideálny na
- Produkčnú prevádzku Kimi-K2 / DeepSeek V3 v Q4 v reálnej rýchlosti — prejdite na Kentino AI 768 TurinDual RTXPro6000MQ
- Tréning frontier modelov od nuly — bez NVLink
- Nasadenie typu plug-and-play — prevádzka frontier MoE si vyžaduje skúsený MLOps tím
Záruka a dodacia lehota
Zostava zahŕňa montáž, konfiguráciu BIOS, inštaláciu ovládačov, burn-in, memtest, funkčné overenie a nastavenie LLM prostredia. Dodacia lehota závisí od dostupnosti komponentov a potvrdzujeme ju pri objednávke.
Odporúčané doplnky
- Sieťová karta NVIDIA ConnectX-5 MCX555A-ECAT 100 GbE na škálovanie do viacerých uzlov
- Druhé 4 TB NVMe na dataset / knižnicu modelov
- Celý 24U rackový rozvádzač s perforovanými prednými dverami
- Online UPS 10 kVA
- Manažovateľná PDU
Otázky, ktoré nám kupujúci kladú najčastejšie pred objednaním servera.
Ako dlho to trvá?
Stroje postavené z komponentov, ktoré máme na sklade, expedujeme rýchlo; čokoľvek, čo si vyžaduje konkrétnu generáciu GPU, závisí od dostupnosti. Termín Vám oznámime ešte pred platbou, a ak sa posunie, povieme Vám to sami – nenecháme Vás, aby ste na to prišli.
Dá sa konfigurácia pred stavbou ešte zmeniť?
Takmer vždy. GPU, pamäť, úložisko aj chladenie vyberáme podľa konkrétnej objednávky a uvedená konfigurácia je skôr východiskovým bodom než pevným balíkom. Ak potrebujete viac VRAM, rýchlejšie úložisko alebo iný spôsob chladenia, povedzte nám to pred objednaním a zmenu Vám naceníme.
Môžem si server vyzdvihnúť osobne?
Môžete. Náš sklad je v Prahe a osobný odber je vítaný — väčšina ľudí, ktorí prídu, využije návštevu na to, aby si stroj prešla s naším technikom a opýtala sa na veci, ktoré sa cez e-mail riešia ťažko. Pri objednávkach v rámci Českej republiky sa snažíme doručovať aj osobne a uvedenie do prevádzky s Vami prejsť priamo na mieste.
Môžem hovoriť s niekým, kto naozaj rozumie workloadu?
Áno. Máme inžiniera, ktorý sa venuje priamo AI systémom, nie všeobecné obchodné oddelenie. Ak sa pýtate na veľkosti batchov, kvantizáciu, prepojenie alebo na to, kde bude Vaše úzke miesto, pýtajte sa — taký rozhovor zvyčajne zmení konfiguráciu k lepšiemu.
Aký model môžem na tejto konfigurácii spustiť?
Áno. Každý stroj je zostavený, prejde záťažovým testom a benchmarkmi na reálnych AI workloadoch ešte pred expedíciou a odchádza od nás s už nainštalovaným a bežiacim LLM. Stačí ho zapojiť, pripojiť do siete a pustiť sa do práce — jediné, o čom ešte rozhodnete, je, ktorý projekt na ňom pobeží ako prvý.
Ako testujete server pred odoslaním?
Testujeme ho na reálnych AI workloadoch, nie na syntetických skóre: priepustnosť inferencie, správanie pri trvalej záťaži a teploty pri nepretržitej prevádzke. Výsledky benchmarkov dostanete spolu so strojom, takže výkon, ktorý sme vám sľúbili, si môžete overiť hneď v prvý deň.
Je server po doručení pripravený na prevádzku?
Áno. Každý stroj je zostavený, prejde záťažovým testom a benchmarkmi na reálnych AI workloadoch ešte pred expedíciou a odchádza od nás s už nainštalovaným a bežiacim LLM. Stačí ho zapojiť, pripojiť do siete a pustiť sa do práce — jediné, o čom ešte rozhodnete, je, ktorý projekt na ňom pobeží ako prvý.
Expedujeme z nášho skladu v EÚ. Pri ťažkých položkách môže byť potrebná prepravná zásielka — kontaktujte nás pre cenovú ponuku dopravy a dodaciu lehotu. 2-ročná obmedzená záruka s rozšírenou RMA podporou; k dispozícii je predĺžená záruka.
Nie je to presne to, čo potrebujete?
Povedzte nám, aký workload prevádzkujete, a my okolo neho navrhneme túto platformu — GPU, pamäť, úložisko aj chladenie presne na mieru.